新エネルギー技術の普及にロジスティック曲線を適用した地球温暖化の動学的最適化モデル

新エネルギー技術の普及にロジスティック曲線を適用した地球温暖化の動学的最適化モデル新エネルギー技術の普及にロジスティック曲線を適用した地球温暖化の動学的最適化モデル畠瀬和志神戸大学経済学研究科研究員

研究の背景と方針 研究の背景 • 地球温暖化のエネルギー経済モデルの課題として、エネルギー部門の構造変化のモデル化がある　　⇒ 従来のモデルにおいては、新エネルギーの普及がシミュレーション結果に十分に反映されていない。また、新エネルギーの利用上の制約についても考慮されていない。研究の方針 • ロジスティック曲線とラムゼー動学モデルを組み合わせたハイブリッド・モデルにより、エネルギー部門の構造変化をモデル化する • 2種類の新エネルギー技術（既存代替エネルギー N、革新的エネルギー R）を仮定し、既存代替エネルギー Nのシェアに上限を設定 • 開発したモデルを用い、費用-効果原理に基づいたCO2削減の政策シミュレーションを行う神戸大学六甲フォーラム

エネルギー部門の構造変化のモデリング • エネルギー部門の構造変化を考慮した動学的最適化モデル • Goulder & Schneider (1999) • DEMETERモデル（van der Zwaan et al., 2002） • ENTICE-BRモデル（Popp, 2006） • 各モデルの特徴神戸大学六甲フォーラム

DEMETERモデルにおける技術拡散曲線（van der Zwaan et al., 2002） • 2100年における新エネルギーのシェアは90%以上 • 新エネルギー技術のシェア拡大が直線的に起こる • BAUケースでも2100年における新エネルギーのシェアは30% 出所：van der Zwaan et al., Energy Economics 24, 2002 神戸大学六甲フォーラム

ENTICE-BRモデルにおける技術拡散曲線（Popp, 2006） • 400$ /tC のケースは現実的ではない • 現実的なパラメータの下ではシェア拡大が非常に起こりにくい出所：Popp, Energy Economics 28 (2), 2006 神戸大学六甲フォーラム

ラムゼーモデル、ロジスティック曲線、Learning-by-doingの連結ラムゼーモデル、ロジスティック曲線、Learning-by-doingの連結ラムゼーモデル Learning by doing ロジスティック曲線神戸大学六甲フォーラム

ロジスティック曲線 • エネルギー投入は３種類のエネルギーから成るものとする • 新技術の拡散はロジスティック曲線に沿うものとする • 上式を不等式に修正: • コンピューター・プログラムにおいては、有限差分化して用いる: 神戸大学六甲フォーラム

Learning by doing • 化石エネルギーのコスト cF は一定値 • 新エネルギーのコスト cN は経験に伴って低下 • 経験指数の実証値（出所: McDonald & Schrattenholzer, 2001）神戸大学六甲フォーラム

既存代替エネルギー N 、革新的エネルギー R のシェアを考慮したモデル式 • ロジスティック曲線 • Learning by doing 神戸大学六甲フォーラム

気候変動モデル • Grubb et al. (1995) による最も単純なCO２蓄積モデルを適用 • 人為起源CO2排出 • 自然起源CO2排出（Nordhaus, 1999 による）神戸大学六甲フォーラム

シミュレーションのシナリオ • CO2安定化目標（Mmax=500ppm）を維持しつつ効用の総和を最大化（費用-効果型シミュレーション） • 代替エネルギー Nの拡散曲線と革新的エネルギー Rの寄与に注目 • シミュレーションシナリオとパラメータ設定 STC: Slow Technological Change FTC: Fast Technological Change LL: Low Learning HL: High Learning LSN: Low max of SN HSN: High max of SN 神戸大学六甲フォーラム

共通パラメータ • マクロ経済関連のパラメータは主に DICE-99モデル、RICE-99モデル（Nordhaus, 1999）のものを適用（計算開始1990年、10年毎に計算） • RICE-99モデルにならい、エネルギー投入 Et を炭素換算（GtCベース）でパラメタライズ • Learning by doing に関連するパラメータは Anderson & Winne (2004)、Gerlagh & van der Zwaan (2004) を参照 • 革新的エネルギー Rには核融合を想定し、伊藤他 (2003) を参照 • CO2蓄積モデルは大規模気候変動モデルの計算結果（Taylor et al., 1995）を用いてカリブレート • エネルギー効率改善は全要素生産性で表現（Nordhaus, 1999 による） • 革新的エネルギーの実用化時点における累積経験量 WR,tR は以下の式により推定神戸大学六甲フォーラム

共通パラメータ：エネルギーコスト関連 • コスト関連パラメータ • 参考値（出所：Anderson & Winne, 2003）神戸大学六甲フォーラム

計算結果：各エネルギーのシェアの時間変化（１）計算結果：各エネルギーのシェアの時間変化（１） (a) STC + LL + LSN (b) STC + LL + HSN (c) STC + HL + LSN (d) STC + HL + HSN 神戸大学六甲フォーラム

各エネルギーのシェアの時間変化（２） (e) FTC + HL + LSN (f) FTC + HL + HSN 神戸大学六甲フォーラム

各エネルギーの投入量の時間変化（１） (a) STC + LL + LSN (b) STC + LL + HSN (c) STC + HL + LSN (d) STC + HL + HSN 神戸大学六甲フォーラム

各エネルギーの投入量の時間変化（２） (e) FTC + HL + LSN (f) FTC + HL + HSN 神戸大学六甲フォーラム

エネルギー価格の時間変化 神戸大学六甲フォーラム

CO2削減費用 • Business as usualケースからの消費の差の現在割引価値を合計 • 既存代替エネルギーの利用可能度とLearning by doingの度合いがともに高い場合に小さくなる • CO2削減費用（1990 – 2000年）注）金額は1990年US$で表示した。神戸大学六甲フォーラム

結果のまとめ • 21世紀後半までは、将来シナリオを問わず、総エネルギー投入の成長率を逓減させて、総エネルギー投入の抑制によるCO2削減を行わざるを得ない • 既存代替エネルギー（太陽光、風力など）のシェア上限が大きい（＝利用可能度が高い）場合は、エネルギー転換によるCO2削減の寄与度も大きく、その分総エネルギー投入抑制の度合いは低い • エネルギー価格はLearning by doingの経験指数が大きければ抑えられる。また、総CO2 削減費用は、既存代替エネルギーの利用可能度とLearning by doingの度合いがともに高い場合に小さくなる • 結果を総合すると、既存代替エネルギー（太陽光、風力など）の利用可能度が高いことLearning by doingの度合いが大きいことが、効率的なCO2削減に重要であると結論できる • 革新的エネルギー（核融合）については、22世紀以降はCO2 削減に顕著に寄与しうるが、地球温暖化防止の成否を決める21世紀中においては、寄与は小さくとどまる神戸大学六甲フォーラム

今後の研究課題 英文への書き換えのポイント • モデルのバージョンアップ（環境経済・政策学会では新バージョンを使用した） • エネルギー価格に炭素税を含める（あるいは、エネルギー価格の図に代えて限界削減費用を示す） • シナリオの見直し（High max of SNのケースでCO2分離・貯蔵等をある程度考慮出来るようにする、等）モデル改良のポイント • モデルに更なるリアリティを与えるためには、CCS （CO2分離・貯蔵）を独立に考慮した方が良い（エネルギー技術を4種類とする） • 化石エネルギー価格上昇の考慮（Nordhaus は石炭の埋蔵量をもとに価格上昇を計算しているが、もっとリアリティのある推定法が必要） • エネルギー効率改善の内生化、Learning by doingに代えてR&Dモデルを用いることの検討神戸大学六甲フォーラム

新エネルギー技術の普及にロジスティック曲線を 適用した地球温暖化の動学的最適化モデル